混沌神经网络在图像处理中的应用.pptVIP

混沌神经网络优化在图像处理中的应用 姓名： 缪志强 学号：主要内容 神经网络 混沌神经网络 混沌神经网络优化应用 神经网络 人工神经网络是对生物神经网络的一些基本特性的抽象和模拟，是一种基于连接学说的智能仿生模型。 神经网络具有信息分布存储、并行处理以及自学习能力等特点，所以它在信息处理、模式识别等领域有着广泛的应用。 常见的神经网络模型：BP神经网络、自组织神经网络和Hopfield神经网络等。 神经网络 传统神经网络的优缺点： 优点： a)容错性：它可以处理含噪声或不完全的数据和图像；b)并行性：适用于高速并行处理系统；c)具有复杂非线性问题处理能力。 缺点： 神经网络进行目标优化时，本质上是一种梯度下降法优化算法，而这种算法容易陷入局部极小值，而得不到全局最优点。 混沌神经网络 混沌神经网络模型是对传统的神经网络模型的一种改进。 改进动机主要有以下两点： 1)混沌神经网络模型更接近于实际的生物神 经网络。大量的神经生理学和神经解剖学 研究证实，人脑中存在着混沌现象。研究表明正常脑电波就处在混沌状态。 混沌神经网络 2) 克服传统的神经网络容易陷入局部极小 值的缺点。 混沌具有不重复地经历一定范围内的所有